大林組のダム工事、ドローン空撮画像のAI解析で進捗確認を遠隔化する実証

複数のアーキテクチャを実際に比べたうえでモデルを決めた進め方が、この取り組みの土台になっています。画像解析AIにはUnetをはじめとする複数の候補が検証され、最終的にDeepLab v3が採用されました。狙いは、セマンティック・セグメンテーションと呼ばれる、画像をピクセル単位で領域に切り分ける手法によって、建造物のどこがどこまで出来ているかを細部まで見分けられるようにすることです。進捗を「面」として捉えたいという業務側の要求と、モデルが得意とする出力の形を突き合わせて選定した点に、実務からの逆算が見て取れます。

学習環境をAWSのマネージドサービスで固めた設計も効いていると考えられます。機械学習モデルの環境構築にはAmazon SageMakerのノートブックが使われ、フレームワークはKerasとTensorFlowという実績のある組み合わせでまとめられました。基盤づくりに手をかけすぎない構成を選べば、そのぶんの労力をモデルの比較検証や精度の作り込みへ回せます。何を自前で組み、何を既製のサービスに任せるかの線引きが、限られた期間の検証を成立させたのではないでしょうか。

撮影から解析までを一つの流れとして組み立てた点も見逃せません。ドローンが目視外の無人飛行で自律的に現場上空を回り、機体のカメラで撮った画像をクラウドへ上げ、そこで解析する。この一連の動線が最初から想定されていたからこそ、現場の作業と分析基盤が分断されずに済みました。役割分担も明快で、現場と課題を持つ大林組、ドローン運航を担うKDDIスマートドローン、AIモデル構築とクラウド活用を受け持つアイレットが、それぞれの持ち場で噛み合っています。